首页

REA：让 AI 智能体帮你逆向没有源码的软件

dotey 介绍的开源项目 REA 通过 MCP 外部工具接口，让 Claude Code 等 AI 智能体分析没有源码的程序，追踪功能实现、给出证据，并在自己的项目中编写类似功能。原生程序需配合 Hopper、Ghidra 或 IDA，分析证据仍需人工核对。目标程序在本机分析，但结果会交给模型服务商，数据处理依各家政策。项目仅支持合法逆向研究，授权与合规由使用者负责。

仅基于配文整理

Midjourney 将支持 MCP

op7418 称，Midjourney 将提供 MCP 支持，原帖表述为未来计划。帖子未说明具体功能、开放时间或使用条件，尚无法判断用户何时能用、能做什么。

暂评分；不自动精选；依据原始文字；未评价画面质量；未评价完整视频、运动、剪辑或声音

机器人系统用因果世界模型预测动作后果

svpino 介绍的机器人系统，用因果世界模型预测不同动作可能怎样改变物理环境，并推理其后果。因果 AI 智能体负责保留任务上下文，为任务各阶段选择所需能力。统一工具接口则用于调用导航、学习得到的动作模型、基于规则的函数，以及检查执行结果。

magpie 可视化检查智能体、会话与请求的上下文占用

宝玉转述 yetone 的介绍：magpie 现在可检查每个 AI 智能体、会话和请求的上下文窗口，了解模型处理请求时各类内容占了多少空间。它将系统提示词、工具/MCP、记忆、文件、工具结果和对话的占用画成格子，悬停即可查看占用最大的部分。

AI 智能体时代，前端怎么变？读懂 AG-UI、A2UI 与 MCP Apps 的分工与协同（上）

作者用订单退款确认案例区分三种 AI 智能体前端标准：AG-UI 负责传递回复、进度和状态，界面仍由前端设计。A2UI 让智能体描述所需控件和数据，再由前端动态绘制表单、卡片，前提是有匹配的组件目录与渲染器。MCP Apps 让外部工具附带可复用的 HTML 交互界面，但宿主必须支持该扩展。三者可单独采用或组合使用，具体协同方法留待下篇展开。

Spring Boot AI 实战第12讲：企业智能体平台实战

javascript.js 在「Spring Boot AI 实战」第12讲中汇总企业 AI 智能体平台的架构与研发路线：以 Spring Boot 3 为底座，让智能体循环思考、执行行动，并接入知识库检索、Java 业务工具、MCP 协议和带人工审批的工作流。配文给出从工程搭建、用户鉴权到权限沙箱、成本看板与 Docker 交付的15步概览，可用于梳理平台模块与开发顺序。

仅基于配文整理

SpringBoot AI 实战 11｜AI 智能体平台工程化

作者给出 Spring Boot AI 智能体从演示走向企业上线的工程化思路，重点是权限控制、外部工具接入、调用追踪与租户成本治理。核心做法是自定义 ChatClient Advisor 拦截器：调用前过滤敏感词、检查模型 token 余额，按用户权限筛选工具，调用后统计用量、异步扣减配额并上报链路。敏感工具需二次鉴权，租户日/月预算设硬熔断。

仅基于配文整理

拆解 JEV（下）：AI 智能体系统中的 8 类典型应用场景

作者建议把 AI 智能体中高频、答案有限的判断交给 JEV：输入当前状态和判断标准，返回选择、评分或判断结果及概率，用于下一步动作、工具路由、风险检查等。8 类场景沿用同一分工：大语言模型负责规划与生成，JEV 做快速判断，程序负责执行与验证。作者提醒，当前决策模型不支持视觉理解，也可能误判；是否更快、更准，仍需上线前评估。

Jev API 工具清单：20 项工具与应用

作者整理了 20 项 Jev API 相关工具与应用，将其定位为帮助 AI 智能体做结构化判断、任务筛选和模型路由的决策能力。清单称，fast-jev-compaction 可过滤无效输出、压缩 Claude Code 上下文，jev-codex-router 则按编程难度选择模型与推理深度。内容属于功能概览，未给出部署步骤或调用费用。

仅基于配文整理

Jev API 怎么用？从 20 个项目看决策工作流

作者汇总网友分享的 20 个 Jev 项目，核心分工是让 Jev 做分类、筛选、打分等简单决策，大模型负责执行任务。例如先判断任务难度再选择 Codex 模型，或先筛出高风险代码再交给大模型审查。作者认为，这种分工适合调用频繁、判断简单、无需生成长文本的环节，可按自己的工作流选择项目。

仅基于配文整理

从零构建 AI 智能体（二）：用 Responses API 与大模型交互

这篇教程用 OpenAI Responses API 演示 AI 智能体与模型交互的基础：管理会话历史，区分流式回答与工具事件，再由客户端执行工具并回传结果。配套 ZeroAgent 示例还覆盖请求取消和订单信息的结构化提取。运行需配置 API 密钥、模型及兼容 Responses API 的服务地址；各服务对存储、推理和工具调用的支持不同，须查文档并实测。

AntV 在外滩大会用 5 分钟介绍 Sive

AntV 在外滩大会演示了 Sive，一个把数据上传、AI 分析和网页报告生成串在一起的可视化分析创作平台。用户提问后，系统执行查询和计算，生成可追溯数据来源的简报；选中结果后，可生成、预览和发布网页报告，获得分享链接。已有本地 AI 智能体或自动化流程的用户，可申请 API Key，通过 Open API 调用其数据分析与可视化能力。

真实项目 Design-to-Code 实测：Kimi K3、Claude Opus 5 与 GPT-5.6 Sol 对比

这是一场在真实企业前端项目中的 Design-to-Code 对比实测：作者用 GitHub Copilot CLI、自定义 Agent、Skill 和 Figma MCP，让三款模型把 Figma 设计稿还原为受 React 19、VDS、CSS Modules、i18n 与三道门禁约束的页面。测试中 Kimi K3 和 Claude Opus 5 均通过门禁，视觉分数分别为 74.8 和 60.4；GPT-5.6 Sol 因编译错误无法运行。作者认为，截图与节点树交叉验证、主动管理上下文和强制自检，比单看生成速度更影响可交付性。

Better Harness：把 Agent 调用记录连接到交付结果

Better Harness可读取多种Coding Agent的本地记录，跨项目查看模型、工具、Skill和token活动。文章进一步提出，将这些活动关联到需求、代码变更和验收结果，才能判断方法是否有效、是否值得复用。当前看板已能观察执行活动，完整任务证据关联仍在探索，不能把调用次数当成交付成效。

phodal 的 Lottie 插件：让 AI 智能体持续编辑动画

phodal 已将 Lottie 插件 0.1.0 发布到 Qoder Marketplace，可在 Qoder 中创建、编辑、打包、校验和预览动画。设计重点是保留对象身份与工程版本，让智能体提交完整动画程序，再由运行时比较差异、试运行和验证，支持后续修改。当前已打通生成 .lottie、静态校验与 Canvas 播放；让用户在画面和时间轴上选择修改目标、再交给智能体处理，仍是下一步。

正式参考价值分；依据原始文字；已检查1幅静态图片评审副本；未评价完整视频、运动、剪辑或声音

大模型调用知多少：AI 智能体全链路拆解

作者拆解了 AI 智能体调用大模型的完整链路：结构化消息经聊天模板变成提示词，再编码为模型 token ID；生成结果经解码与解析，返回助手消息或工具调用。文中用 vLLM 与 LangGraph 说明分工：前者处理底层推理与采样，后者保存消息状态、调度工具并维持多轮执行，帮助读者理解不同调用接口各自负责哪一段。

聊聊 FastClaw 的 AI 智能体预装技能方案：最少内置，按需补充

作者为 FastClaw 只预装 3 个技能：find-skills 在无法直接处理任务时搜索并安装技能；找不到合适技能时，由 skill-creator 创建并保存供后续复用；camoufox-cli 负责网页抓取、截图等浏览器操作。作者主张按任务动态补充技能，同时指出，这依赖模型智能与意图识别，成功存在不确定性；预装常用技能则可由管理员提前筛选和配置。